인공지능(AI) 기반 후각 시스템은 높은 정확도로 가스를 식별함으로써, 환경 모니터링, 음식 모니터링, 헬스케어 등에 유용하게 사용될 수 있다.

일반적인 AI기반 후각 시스템은 센서 어레이, 아날로그-디지털 변환기(analog-to-digital converter)와 같은 신호 전처리를 위한 전자 회로, 패턴 인식을 위한 폰 노이만 기반 컴퓨터로 구성된다.

하지만 센서에서 프로세서로 데이터가 전송될 때 필요한 변환 회로에서의 변환 과정에서 병목 현상이 발생하여 추가 전력 소비가 발생한다. 또한 패턴 인식을 구현하기 위한 폰 노이만 기반 컴퓨터는 중앙 처리 장치, 그래픽 처리 장치 및 메모리로 구성되기 때문에, 처리 장치와 메모리 간의 반복적인 데이터 이동에 따라 큰 에너지가 소비된다.

이러한 큰 에너지 소비는 반복적인 에너지 공급을 필요로 하기 때문에, 모바일 및 IoT 가스 센서에 적용되기 위해서는 기존 인공지능 기반 후각 시스템의 에너지 효율을 향상시킬 필요성이 있다.

여기에, KAIST(총장 이광형)는 전기및전자공학부 최양규 교수와 기계공학과 박인규 교수 공동연구팀이 `인간의 후각 뉴런을 모방한 뉴로모픽 반도체 모듈'을 개발했다.

인간의 뇌, 시각 뉴런, 그리고 촉각 뉴런을 모방한 뉴로모픽 반도체 모듈을 각각 개발하는 데 성공했던 연구팀은, 인간의 후각 뉴런과 같이 가스 성분을 인식해 스파이크 신호를 출력할 수 있는 뉴로모픽 반도체 모듈을 통해 뉴로모픽 기반의 전자코(eletronic nose)를 구현할 수 있음을 처음으로 보였다.

생물학적 후각 시스템은 감각 세포 자체에서 스파이크 형태로 감각 정보를 전달하고, 이를 뇌에서 병렬적으로 처리함으로써 낮은 전력 소비만으로 가스를 판별할 수 있다.

따라서 저전력 후각 시스템을 구축하기 위해, 생물학적 후각 시스템을 모방해 센서 단에서 스파이크 형태로 정보를 전달하는 `인 센서 컴퓨팅(In-Sensor Computing)' 기반 뉴로모픽 후각 시스템이 주목을 받고 있다.

이러한 뉴로모픽 후각 시스템을 구현하기 위해서는 인간의 후각 뉴런처럼 화학 신호를 스파이크 형태의 전기 신호로 변환해주는 구성 요소가 필요하다. 하지만, 일반적인 가스 센서는 이러한 기능을 수행할 수 없다.

연구팀은 반도체식 금속산화물 기반 가스 센서와 단일 트랜지스터 기반 뉴런 소자를 이용해, 가스를 인식해 스파이크 신호를 출력할 수 있는 뉴로모픽 반도체 모듈을 개발했다. 연구팀은 제작된 뉴로모픽 반도체 모듈을 바탕으로 유해가스를 구분할 수 있는 가스 인식 시스템과 와인을 구분할 수 있는 전자 소믈리에 시스템을 구축했다.

특히, 여러 가지 가스 분자가 섞여 있어 구분이 힘든 와인을 뉴로모픽 시스템을 이용해서 구분할 수 있음을 보인 것에서 그 의미가 크다.

연구를 주도한 한준규 박사과정은 "개발된 뉴로모픽 반도체 모듈은 전자코에 적용되어 AI, IoT분야, 환경 모니터링, 음식 모니터링, 헬스케어 등에 유용하게 사용될 수 있을 것으로 기대된다ˮ며, "이는 `인-센서 컴퓨팅(In-Sensor Computing)' 시대를 앞당기는 발판이 될 것이다ˮ고 연구의 의의를 설명했다.

한편, KAIST 전기및전자공학부 한준규 박사과정과 강민구 박사과정이 공동 제1 저자로 참여한 이번 연구는 저명 국제 학술지 어드밴스드 사이언스(Advanced Science)에 '센서 내 뉴로모픽 코를 위한 인공 후각 뉴런(Artificial olfactory neuron for an in-sensor neuromorphic nose-다운)'란 제목으로 지난 4월 15일 후면 표지 논문(Back Cover)으로 게재됐다.